YARN学习笔记

YARN产生背景

Hadoop1.x时:

• MapReduce: Master/Slave架构，1个JobTracker带多个TaskTracker

JobTracker:

负责资源管理和作业调度

TaskTracker:

• 定期向JT汇报本节点的健康状况、资源使用情况、作业执行情况;
• 接收来自JT的命令: 启动任务/杀死任务

YARN:

不同计算框架可以共享同一个HDFS集群上的数据，享受整体的资源调度

XXX ON YARN的好处：

与其他计算机框架共享集群资源，按资源需要分配，进而提高集群资源的利用率

XXX: Spark/Storm/Flink

image.png image.png

YARN 架构

1. ResourceManager: RM

• 整个集群同一时间提供服务的RM只有一个，负责集群资源的统一管理和调度
• 提交一个作业、杀死一个作业
• 处理客户端的请求:
• 监控我们的NM,一旦某个NM挂了，那么该NM上运行的任务需要告诉我们的AM来如何进行处理

2. NodeManager: NM

• 整个集群中有多个，负责自己本身节点资源管理和使用
• 定时向RM汇报本节点的资源使用情况
• 接收并处理来自RM的各种命令: 启动Container
• 处理来自AM的命令
• 单个节点的资源管理

3. ApplicationMaster: AM

• 每个应用程序对应一个: MR、Spark,负责应用程序的管理
• 为应用程序向RM申请资源(core、memory),分配给内部task
• 需要与NM通信: 启动/停止task,task是运行在container里面，AM也是运行在containe

4. Container

• 封装了CPU、Memory等资源的一个容器
• 是一个任务运行环境的抽象

5. Client

• 提交作业
• 查询作业的运行进度

• 杀死作业

  
  image.png

YARN 执行流程

image.png

1. 用户向YARN提交一个作业（例如Spark/Storm作业）
2. ResourceManager会给作业分配第一个Continer，假设运行在图中第二个NodeManager
3. ResourceManager与对应NodeManager进行通信，要求启动对应的Continer用来启动应用程序，ApplicationMaster
4. ApplicationMaster启动后，与ResourceManager进行注册
5. ApplicationMaster向ResourceManager申请Core，Memory，然后在对应的NodeManager上开始启动任务
6. 在每个NodeManager上启动相应的continer，并把task运行在Continer

YARN 环境搭建

1.etc/hadoop/mapred-site.xml:

<property> 
    <name>mapreduce.framework.name</name> 
    <value>yarn</value> 
</property>

2.etc/hadoop/yarn-site.xml:

     <property>
           <name>yarn.nodemanager.aux-services</name>       
          <value>mapreduce_shuffle</value> 
    </property>

3.启动YARN相关的进程

sbin/start-yarn.sh

4.验证

jps

http://host:8088